买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国网湖北省电力有限公司荆州供电公司;长江大学申请的专利一种分布式光伏三相电压不平衡原因的定位方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116432126B 。

龙图腾网通过国家知识产权局官网在2026-01-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211481144.4，技术领域涉及：G06F18/2431；该发明授权一种分布式光伏三相电压不平衡原因的定位方法是由周涛;李涛;陈杰;董豫含;罗涌;陈刚;徐亮;杨浩;易大宇;杨文星;姚平;郭磊设计研发完成，并于2022-11-24向国家知识产权局提交的专利申请。

本一种分布式光伏三相电压不平衡原因的定位方法在说明书摘要公布了：该分布式光伏三相电压不平衡原因的定位方法是利用PSCAD仿真软件，模拟造成三相电压不平衡的原因，导出仿真数据，数据具体包括：电压正序分量、电压负序分量、电流正序分量、电流负序分量、三相电压相位差、三相电流相位差、谐波电压、谐波电流，然后构建数据集X用以训练定位模型，训练好模型后，然后将设备安装在分布式光伏电站，用于预测三相电压不平衡的原因，利用4G模块发送到互联网平台，特别适合对分布式光伏三相电压不平衡的原因进行定位。

本发明授权一种分布式光伏三相电压不平衡原因的定位方法在权利要求书中公布了：1.一种分布式光伏三相电压不平衡原因的定位方法，其特征在于：该分布式光伏三相电压不平衡原因的定位方法包括如下步骤： 一利用PSCAD仿真软件模拟造成三相电压不平衡的情况； 二导出仿真数据； 利用PSCAD仿真软件模拟三相电压不平衡后，导出此时A,B,C三相电的电压正序分量、电压负序分量、电流正序分量、电流负序分量、三相电压相位差、三相电流相位差、谐波电压和谐波电流的数据； 三构建数据集X过程及原理如下： 导出步骤二中的仿真数据后，接下来构造数据集X，用步骤二导出的仿真数据构建数据集X； ； 表示第i相线的第j个电压的正序分量采样点；表示第i相线的第j个电压的负序分量采样点；表示第i相线的第j个电流的正序分量采样点；表示第i相线的第j个电流的负序分量采样点；表示第i相与第u相之间的电压相位差，表示第i相与第u相之间的电流相位差，M表示谐波电压特征集，H表示谐波电流特征集； 具体如下,N表示采样值的数量，共计N个采样值；A,B,C分别表示三相电压的三相； ； ； 上式中，表示b次谐波电压的第s个采样点； ； 上式中，表示b次谐波电流的第s个采样点； 如此完成了构建数据集X； 四构建完数据集X后，带入定位模型进行识别训练，定位模型包括主成分分析、梯度提升决策树、遗传算法； 1主成分分析结构如下 主成分分析是指将m维矩阵降低为l维矩阵，首先对数据集X进行主成分分析； 假设m维数据集需要降到k维，具体过程如下： ①首先进行预处理，及进行去均值化和归一化； 去均值化： ； 将X的每一列数据，减去这一列数据的平均值，得到新的矩阵； 然后归一化处理： ； 将每个数据除以所在列的最大值，令矩阵中的所有数据都变到0-1的范围内，得到矩阵； ②计算矩阵的协方差矩阵，具体计算公式如下 ； ③对于上述的协方差矩阵，利用“特征值分解法”，进一步求解协方差矩阵的特征值和特征向量； ④对上面步骤③中解出的特征值，需要从大到小排序，选择其中最大的l个；然后将其对应的l个特征向量依次作为列向量，组成特征向量矩阵P； ⑤将数据转换到l个特征向量构建的新空间中，即： ； 主成分分析后，得到了一个新的特征向量集Y,接下来利用这个向量集Y进行梯度提升决策树算法分析； 2梯度提升决策树结构如下： 利用PSCAD仿真软件依次模拟每一种造成三相电压不平衡的情况，利用主成分分析算法依次得到每一种原因的数据集Y后；利用梯度提升决策树算法，分析求解数据集Y；依次分析其中某一列 与剩余维矩阵的关系，用剩余维向量推导，找出它们之间的关系；针对每一种造成三项电压不平衡的原因，找出这些数据向量与其所对应的特征关系；进而训练好定位模型后，反向推导，通过检测的数据，推导是哪一种原因造成了三相电压不平衡；具体梯度提升决策树算法如下： 主成分分析完成后，得到了数据集Y ； 依次把第1至l列做输出数据，剩余数据做输入数据：以第l列作输出数据，1至l-1列输入数据进行说明，令为输入数据为输出值，则需构建一个函数关系：以最小的误差，基于特征预测输出值梯度提升决策树英文名字是GradientBoostingDecisionTree，所以简称是GBDT，这个梯度提升决策树中包含若干的分类回归树，这个分类回归的英文名字是classificationandregressiontree，所以简称是CART；假设第k颗分类回归树记为，那么前k颗分类回归树的预测值，即为梯度提升决策树的预测值，表示为： ； 梯度提升决策树，即GBDT，本质上是一种加法模型，即把所有的分类回归树CART的预测值加起来即为梯度提升决策树的最终预测值；即表示为递归的形式；把k颗分类回归树CART表示为递归的形式；采用的是正向逐步计算和递加的形式来实现梯度提升决策树GBDT模型的整体优化，具体可表达为如下所示 ； 对于目标函数的设定，也是针对分类回归树CART来设定的，即所需要训练的第k颗分类回归树CART的目标函数，这样表示： ； 梯度提升决策树，是采用梯度下降法，使得上述的目标函数尽快变小，尽快下降，即需要,目标函数对的梯度是:，即沿着这个方向得到的新函数，使得相应的损失函数变得更小； 根据泛函数的梯度下降流思想，进一步的优化函数，即通过如下形式表示 ； 由公式和公式得到： ； 如公式20中所示，就是第k颗分类回归树CART的目标函数，就是对目标函数求负梯度，为了得到最快的目标函数下降率，把学习率设置为1； 对于目标函数，表示为残差平方和的形式，如下公式所示: ； 进一步推导出:； 使得梯度提升决策树GBDT中的每一个分类回归树的CART的目标，或者说任务，都是为了拟合前面所有分类回归树CART之和所剩下的残差； 梯度提升决策树为串联结构，其中第一颗分类回归树CART表示为，这颗分类回归树CART所剩下的残差就表示为： ； 接下来，梯度提升决策树GBDT模型表示为： ； 对第二颗分类回归树CART的目标，需要取得和之间的关系，表示为如下的形式： ； 上式中的就是梯度提升决策树GBDT模型对预测时所剩的残差，具体表示为如下形式： ； 进一步的，得到了更好的，更精确的，表示为 ； 进一步的，一直类推……；如果一共需要k颗分类回归树CART，那么就需要k次类推，直到梯度提升决策树GBDT训练完毕；训练了k颗分类回归树CART，那么就得到了很精确地，输出的预测值即为k颗分类回归树CART相加；公式表示成如下形式: ； 3遗传算法 经过梯度提升决策树GBDT算法后，需获得迭代次数、操作特征曲线下的面积、深度参数的一系列的取值范围，接下来利用遗传算法来获得最优解，利用遗传算法在取值范围内搜索GBDT算法后的迭代次数、操作特征曲线下的面积、深度参数的最优解； 五检查定位模型准确率 训练好定位模型后，检查定位模型的准确率是否达到95%，如果达不到，则需重复上述步骤，加强训练定位模型，如果达标，进入下一步； 六安装 安装到电网上，实时读取数据； 七使用 定位模型训练完毕后，即可开始正常工作： 实时检测读取三相线路的各项监测数据，同样带入定位模型行特征关系求解；然后与定位模型训练得出的结果进行对照，最相近的结果即作为输出，输出造成三线电压不平衡的原因，通过4G模块进行上传到云端； 八三相电压不平衡问题检修： 在接近三相电压不平衡度的危险阈值时，向检修人员发送警报，及时检修； 所述的步骤一中利用PSCAD仿真软件模拟造成三相电压不平衡的情况的具体步骤如下： 针对引起分布式光伏发电三相电压不平衡的原因，具体包括光照强度突然改变、温度变化速度过快、由大风带来了一层灰尘、降雪、电器故障、线路短路；利用PSCAD仿真软件搭建相关模型进行仿真，模拟对应的情况，具体模拟方法如下： 通过PSCAD软件对几种会引起三相电压不平衡的情况进行仿真，得到相应数据包括A,B,C三相电的电压正序分量、电压负序分量、电流正序分量、电流负序分量、三相电压相位差、三相电流相位差、谐波电压和谐波电流，以便于构建数据集X；搭建光伏单相并网模型接入电网A相，B相和C相连接普通负载，突然改变光照进行仿真模拟；从仿真模拟的结果看出，改变光照前，未出现明显的三相电压不平衡的情况，突然改变光照后，出现明显的三相不平衡情况；将此时相应的数据导出，包括A,B,C三相电的电压正序分量、电压负序分量、电流正序分量、电流负序分量、三相电压相位差、三相电流相位差、谐波电压和谐波电流导出，作为此种情况下出现三相电压不平衡现象的数据集X用于训练定位模型，定位模型包括主成分分析、梯度提升决策树、遗传算法。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网湖北省电力有限公司荆州供电公司;长江大学，其通讯地址为：434000 湖北省荆州市沙市区共青路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。